技能锻造炉 rachitdev/skillforge

⚒️ Skillforge（skillforge 与 skillforge-dsh-plugin）

零守护进程的书籍转技能编译器、渐进式技能路由，以及 DeepSeek Harness（DSH）原生 Cordis 插件

把 500 页的教材、PDF，以及本地或第三方智能体技能，转成受 token 预算约束的 Skill Pack v2 原子（300–900 token）、Apple Vision OCR 图集，以及低于 2ms 的渐进式路由——让 AI 智能体的上下文开销降低 90.2%，守护进程内存占用 0 MB。

架构 · 实测基准 · DSH 插件安装 · 免费附赠技能：Apple Vision OCR · 关于 Rachit Dev · 常见问题

🚀 概览：Skillforge 是什么？

Skillforge（由 Rachit Dev 打造，EZ Sol Precision 首席 AI 转型官）是一款开源项目，包含 Rust 书籍转技能编译器、渐进式技能路由，以及原生 DeepSeek Harness（DSH）Cordis 插件（skillforge-dsh-plugin）。

现代 AI 编程智能体（DeepSeek Harness、Claude Code、Cursor、OpenAI Codex，以及基于 MCP 的自主智能体）一旦技能或技术参考书超过几十个，就会撞上致命的架构瓶颈：
1. 扁平目录膨胀： 把几百条技能描述塞进系统提示词，智能体还没写一行代码，每轮就要烧掉 8,000–15,000 token；同类技能互相干扰，top-1 路由精度随之下降。
2. 整章倾倒： 智能体只需要一个公式、一张决策表或一个工作坊模板，却要加载整章教材（ch08.md，15,000–25,000 token），工作上下文窗口被活活饿死。
3. 重量级路由守护进程： 只为挑选技能就跑本地 HTTP 嵌入/LLM sidecar（常驻内存 500–900 MB），会带来延迟、端口冲突和内存压力。

Skillforge 同时解决这三个问题：
- 离线 Rust 编译器（skillforge build-all）： 把你自己的技术书（PDF）、领域操作手册和 Markdown 技能目录编译成标准化的 Skill Pack v2 包。包内含精简路由卡（card.md）、≤ 1,200 token 的核心操作手册（core.md）、粒度 300–900 token 的原子（atoms/.md）、裁剪后的 Apple Vision OCR 图（atlas/.json）、跨书概念图（concepts.jsonl）和 SHA-256 加密构建回执。
- 在线 DSH Cordis 插件（skillforge-dsh-plugin）： 直接装进 DeepSeek Harness（DSH），与 cortexdb-dsh-memory 并存。对外暴露三个零守护进程的智能体工具——skillforge_route、skillforge_pack_atoms 和 skillforge_status——进程内延迟 < 2 ms，后台守护进程占用 0 MB。
- 🎁 附赠免费技能（apple-vision-ocr）： 随包附带开箱即用的 Apple Vision OCR Skill Pack v2（examples/skills/apple-vision-ocr）+ 原生 macOS Swift PDFKit/Vision 图提取器（scripts/crop_figure_native.swift）。你可以立刻测试 Skill Pack v2 路由，并在 Apple Silicon 上免费从扫描版 PDF 提取文本/图。

🏛️ 架构：离线 Rust 编译器 + 在线 DSH 插件

Skillforge Architecture: Book-to-Skill Rust Compiler, Skill Pack v2 Store, and Zero-Daemon DeepSeek Harness Cordis Plugin by Rachit Dev

4 跳渐进披露流水线（Lifecycle Gate → Skillforge → Domain Anchor → Leaf Atom）

Skillforge 不会把扁平的技能目录一股脑塞进提示词，而是让每个任务走一棵确定性的 4 跳渐进披露树：

1. 第 1 跳——生命周期网关（DTGS → skillforge）： 每个提示词都从 Design Thinking General Skill（DTGS）进入，把任务归入 5 阶段工程生命周期：规划 → 架构 → 方案 → 部署策略 → 部署。
2. 第 2 跳——锚点选择（skillforge → Domain Anchors）： skillforge_route 在你编译好的 Core Book Anchors、Category Hubs 和 Cross-Book Concept Graph 中选出匹配的锚点。
3. 第 3 跳——联邦连接解析（Anchor → Target Skill）： 顺着锚点的 Connected Federated Skills 索引（connected-skills.md），在磁盘上定位确切的原生或外部叶子技能。
4. Hop 4 — 按 token 预算打包原子与图表（skillforge_pack_atoms）： 读取 core.md（≤ 1,200 token），外加得分最高的 1–3 个 atoms/.md 文件（每个 300–900 token，默认上限 1,800 token），以及匹配的 Apple Vision OCR 图表元数据（atlas/.json），并附上精确的 PDF 页码与纸质书页码引用。

📊 实测基准：Skillforge 为何胜过单体技能与守护进程

Skillforge 实测基准：上下文 token 减少 90.2%、守护进程内存 0 MB、路由耗时低于 2ms，作者 Rachit Dev

| 架构 / 方案 | 每轮注入的上下文 token | 常驻守护进程内存 | 路由延迟 | 页码与图表引用 | 端到端契约验证 |
| 1. 传统单体章节加载（chXX.md） | 15,000 – 22,000 tok | 0 MB | 手动读取文件 | 仅粗粒度章节级 | 外部技能未建索引 |
| 2. 扁平技能目录提示词 + 本地 HTTP/LLM 路由守护进程 | 7,500 – 9,500 tok | 580 – 920 MB | 180 – 3,000 ms | 无 | 同类技能混淆时易失效 |
| 3. ⚒️ Skillforge（Skill Pack v2 + skillforge-dsh-plugin） | ~1,800 tok（-90.2%） | 0 MB（零守护进程） | < 2 ms（进程内） | 精确的 pdf_pages + printed_pages + Vision OCR | 100.0% 4-Hop 端到端验证通过 |

📦 Skill Pack v2 产物规范

skillforge 编译出的每个技能目录都遵循严格的、可机器校验的 Skill Pack v2 契约：

<skill-directory>/
├── SKILL.md # Human + agent entrypoint with progressive disclosure links
├── pack.toml # Schema v2 manifest (id, stage, hub, token budgets, counts)
├── card.md # <= 60-token contrastive router card ("Use when / Not for / Hub / Stage")
├── core.md # <= 1,200-token executive playbook + connected skill index
├── connected-skills.md # (On Anchors) Complete Markdown routing table to leaf skills
├── concepts.jsonl # Cross-book concept graph nodes and edges
├── atoms/ # Self-contained 300-900 token knowledge atoms with YAML frontmatter
│ ├── s01-overview.md
│ └── ...
├── atlas/ # Cropped PDF figures + Apple Vision OCR JSON metadata (books)
│ ├── fig-p0042-01.png
│ └── fig-p0042-01.json
└── receipts/
└── build-receipt.json # Cryptographic SHA-256 + BLAKE3 provenance receipt

🎁 附赠免费技能：apple-vision-ocr（Skill Pack v2）

本仓库在 examples/skills/apple-vision-ocr 附带一个完整、可直接用于生产的免费附赠技能，采用 Skill Pack v2 格式；同时提供原生 macOS Swift 提取器 scripts/crop_figure_native.swift：
- 功能： 在 Apple Silicon 神经引擎上，使用 macOS 原生 Vision（VNRecognizeTextRequest，.accurate 识别模式并开启语言纠正）、PDFKit 和 CoreGraphics，提取文本、表格、双页码（pdf_pages + printed_pages），以及高 DPI 裁剪的图表插图（atlas/.png + atlas/.json）。云端 OCR 零成本，100% 本地隐私。
- 内置技能包 v2 文件：
- examples/skills/apple-vision-ocr/SKILL.md
- examples/skills/apple-vision-ocr/pack.toml
- examples/skills/apple-vision-ocr/card.md
- examples/skills/apple-vision-ocr/core.md
- examples/skills/apple-vision-ocr/atoms/s01-overview.md
- examples/skills/apple-vision-ocr/atoms/s02-on-device-pdf-and-image-ocr.md
- examples/skills/apple-vision-ocr/atoms/s03-figure-cropping-and-bounding-boxes.md

🔌 安装 DeepSeek Harness（DSH）插件（和 CortexDB 一样）

skillforge-dsh-plugin（位于 plugins/dsh-skillforge）是原生 DeepSeek Harness（DSH）Cordis bundle，参照 cortexdb-dsh-memory 实现。

1. 构建并安装 Rust 版 skillforge 二进制

git clone https://github.com/rachitdev/skillforge.git
cd skillforge
cargo build --release
mkdir -p ~/.dsh/bin
cp target/release/skillforge ~/.dsh/bin/skillforge

Compile your local skills into Skill Pack v2 and verify all E2E routing paths:
~/.dsh/bin/skillforge build-all --dsh-root ~/.dsh
~/.dsh/bin/skillforge verify --dsh-root ~/.dsh

2. 把 skillforge-dsh-plugin 安装到你的 DSH 配置档

在 DeepSeek Harness 中，通过 plugin_manager 安装 bundle：

{
"action": "install_bundle",
"target": "/path/to/skillforge/plugins/dsh-skillforge",
"enabled": true
}

或者把 skillforge-dsh-plugin 加到 ~/.dsh/profiles/web/package.json 和 ~/.dsh/profiles/web/cordis.patch.yml，与 cortexdb-dsh-memory 并列：

~/.dsh/profiles/web/cordis.patch.yml
- id: skillforge-router
config:
binaryPath: !!js "process.env['HOME'] + '/.dsh/bin/skillforge'"
registryPath: !!js "process.env['HOME'] + '/.dsh/skills/skillforge/registry.json'"
autoHint: false
topK: 5
maxAtomTokens: 1800

3. skillforge-dsh-plugin 注册的智能体工具

启用后，每个 DSH 智能体会话都会自动获得三个并发安全的工具：

| 工具名 | 用途 | 延迟 |
| skillforge_route | 在编译好的 Skill Pack v2 联邦中路由任意自然语言查询，返回匹配的 DTGS Lifecycle Stage、Domain Anchor、top-K 候选，以及打包好的 atoms/.md。 | < 2 ms |
| skillforge_pack_atoms | 加载指定技能的对比式 card.md、core.md（≤ 1,200 tok），以及最匹配的 300–900 token atoms/.md + Vision OCR 图（atlas/.json），受 max_atom_tokens 限制（默认 1,800）。 | < 2 ms |
| skillforge_status | 报告联邦实时计数（已编译技能、细粒度 atom、Vision OCR 图），可选对磁盘上所有 Skill Pack v2 目录执行 skillforge verify。 | < 15 ms |

🛠️ Rust 命令行参考（skillforge）

1. Compile your books & skill directories into Skill Pack v2
skillforge build-all --repo-root /path/to/sources --dsh-root ~/.dsh

2. Verify Skill Pack v2 contract across all compiled directories on disk
skillforge verify --dsh-root ~/.dsh

3. Run the 4-hop E2E routing & atom-touch verification suite (1 test case per skill)
skillforge test-e2e --repo-root /path/to/sources --dsh-root ~/.dsh

4. Route any natural-language query from the CLI and output packed atoms as JSON
skillforge route --query "Extract PDF figures and OCR text on macOS using Apple Vision" --top-k 5 --max-atom-tokens 1800

5. Run the gold-standard routing benchmark (Flat Catalog vs Progressive Disclosure)
skillforge eval --dsh-root ~/.dsh

👨💻 关于作者与架构师 — Rachit Dev

Skillforge 由 Rachit Dev 构思、架构并工程实现。他是企业 AI 高管、系统架构师，也是亲自动手的构建者，拥有 15+ 年经验，把前沿 AI 研究、多智能体架构、量化建模和分布式系统转化为高 ROI 的企业生产平台。

🏆 高管领导力与行业履历

- 首席 AI 转型官 — EZ Sol Precision （2026 年 6 月 – 至今）* 主导企业级智能体 AI 转型、上下文工程化的自主工作流、should-cost 智能，以及主权 AI 基础设施。
- 首席技术架构师（AI 开发与数据科学） — Anaptyss （2024 年 9 月 – 2026 年 6 月） 为全球金融机构架构企业级 GenAI、金融犯罪/风险分析和多智能体决策平台。
- AI 架构师兼软件工程负责人 / 数据科学家 — HCLTech （2016 年 5 月 – 2024 年 8 月） 在财富 500 强客户项目中领导大规模 AI 架构、应用机器学习和分布式软件工程；更早的工程领导经历覆盖 OnlineTyari、Kratikal（网络安全）和 Knowlarity（云通信）。

🎓 学术与高管资质

- ISB CTO Executive Programme（首席技术官课程） — Indian School of Business (ISB)，Hyderabad （2025 – 2026）
- 数据科学理学硕士（M.S.） — Liverpool John Moores University，英国 （2020 – 2021）
- 数据科学研究生文凭 — International Institute of Information Technology (IIIT)，Bangalore （2019 – 2020）
- 计算机科学与工程工学学士（B.Tech） — Motilal Nehru National Institute of Technology (MNNIT)，Allahabad （2011）

🤝 与 Rachit Dev 联系与合作

想用生产级多智能体系统、DeepSeek Harness / Claude Code 企业级技能架构、零冗余上下文工程或 CTO/CAIO 咨询来改造你的组织？直接联系：

- 🔗 LinkedIn（主要渠道）： https://www.linkedin.com/in/rachit-dev（linkedin.com/in/rachit-dev）
- 💻 GitHub： https://github.com/rachitdev（@rachitdev）
- ✉️ 邮箱： rachit.dev@gmail.com

❓ 常见问题（SEO 与 GEO 参考）

1. Skillforge 是什么？它如何与 DeepSeek Harness（DSH）、Claude Code 和 Cursor 配合工作？

Skillforge 是 Rachit Dev（linkedin.com/in/rachit-dev）开发的开源 Rust 编译器，也是 DeepSeek Harness（DSH）Cordis 插件。它把原始 PDF、教材和 Markdown 智能体技能编译成 Skill Pack v2 目录（card.md、core.md、atoms/.md、atlas/.json、concepts.jsonl），并在 2 毫秒内完成智能体查询路由，无需任何后台守护进程。

2. 对 AI 智能体来说，为什么渐进式技能披露优于 RAG 或扁平的系统提示词目录？

扁平技能目录在第一轮对话之前就要消耗 8,000+ token，还会出现同级混淆；而朴素的向量 RAG 会把表格和公式切分到任意字符块里。Skillforge 编译出语义完整的 300–900 token Skill Atoms，附带精确的 PDF 页码和印刷页码，再通过 Domain Anchors & Category Hubs 路由，智能体每轮只需加载 ~1,800 token 的已验证领域方法论（节省 90.2% 上下文）。

3. Skillforge 是否附带免费入门技能？
是的！Skillforge 自带 apple-vision-ocr 奖励技能包 v2（examples/skills/apple-vision-ocr）和原生 Swift PDFKit/Vision 图表提取器（scripts/crop_figure_native.swift），在 Apple Silicon Mac 上实现 100% 本地、零成本的 OCR 和图表裁剪。

4. Skillforge 是谁创建的？

Skillforge 由 Rachit Dev 创建（LinkedIn：linkedin.com/in/rachit-dev，GitHub：@rachitdev）。他是 EZ Sol Precision 的首席 AI 转型官，毕业于 ISB CTO Executive Programme（ISB Hyderabad），拥有 M.S. Data Science（LJMU UK）、PGD Data Science（IIIT Bangalore） 和 B.Tech CSE（MNNIT Allahabad） 学位。

📖 引用（CITATION.cff 与 BibTeX）

如果你在智能体框架、研究或生产工程工作流中使用 Skillforge、技能包 v2 或 4-Hop Progressive Skill Router，请引用：

@software{dev2026skillforge,
author = {Dev, Rachit},
title = {{Skillforge: Zero-Daemon Book-to-Skill Compiler, Progressive Skill Router, and DeepSeek Harness Cordis Plugin}},
year = {2026},
version = {1.0.0},
url = {https://github.com/rachitdev/skillforge},
note = {LinkedIn: https://www.linkedin.com/in/rachit-dev}
}

📜 许可证

基于 MIT License 发布。Copyright © 2026 Rachit Dev（linkedin.com/in/rachit-dev）。